Digitalisierungsschub beschleunigt KI-Entwicklungen

In diesem Jahr wird alles besser. Hoffentlich. Obwohl viele Unternehmen durch die Corona-Krise vor großen Herausforderungen stehen, bleibt die technologische Entwicklung nicht stehen. Das Gegenteil ist der Fall. Es gibt einen Digitalisierungsschub, der – mehr denn je – den Einsatz von künstlicher Intelligenz möglich und wertvoll macht. Unternehmensprozesse werden schneller digitalisiert als erwartet. Vom Fließband bis zur strategischen Unternehmensführung entstehen Daten, wo vorher keine waren – die Voraussetzungen für KI waren nie besser.

Erfahren Sie, welche Trends 2021 wichtig werden und wie die Strategiearbeit davon profitiert.

Operationalisierung

Nachdem viele Unternehmen die Anwendung von maschinellem Lernen bereits getestet und wertvolle Lösungen zu Use-Cases entwickelt haben, wird es Zeit, den Schritt aus dem Labor zu wagen.

Ein ML-System stabil und sicher in die praktische Umsetzung zu bringen, ist anspruchsvoll. Das fängt mit den Ressourcen an: Sind für die Realisierung eines Proof-of-Concept-Projektes ein Data Scientist, ein exportierter Datensatz und Domain-Expertise ausreichend, so erfordert die erfolgreiche, nachhaltige Implementierung von ML-Lösungen ein ganzes Data Team. Um ein verlässliches System aufzubauen, müssen die Bereiche ML-OPs, Data Engineering und Data Science erfolgreich zusammenarbeiten. Aufgrund der Komplexität sind hier AI-Plattformen gefragt, die die nötige Infrastruktur managen und damit Themen wie beispielsweise Cluster-Management und Model-Lifecycle Management vereinfachen.

Auto-ML

Außerdem können wir auf Fortschritte im Bereich Auto-ML gespannt sein. Beim Automatisierten Maschinellen Lernen wird eine KI von einer anderen KI trainiert – klingt nach Science-Fiction, ist aber bereits Realität. Ende 2020 entwickelte Google ein vollautomatisiertes Zeitreihen-Prognose-Tool, das in Competitions durchschnittlich 92% der von Data Scientists erstellten Modelle schlägt. Viele Unternehmen nutzen in der strategischen Planung Forecasts für Umsätze, Marktvolumina etc. Mit KI-Tools wie Auto-ML können sie ihre Prognosearbeit erleichtern und in der Aggregation vieler einzelner Vorhersagen leicht Ausreißer, Eingabefehler oder auffällige Prognosen entdecken. KI kann also das Risiko in der strategischen Planung verringern.

RPA – Robotic Process Automation

Eine ähnliche Rolle nimmt Robotic Process Automation (RPA) ein. RPA ist eine Technologie, die repetitive Prozesse innerhalb existierender Software-Systeme durch „Roboter“ automatisierbar macht. Diese Roboter ahmen das menschliche Verhalten nach. Sie loggen sich in Software-Systeme ein, bewegen Dateien, führen Aktionen aus. Das Potenzial ist riesig und noch längst nicht in vollem Umfang erkannt. 2021 wird zeigen, ob sich die Erwartungen erfüllen und das Potenzial abgerufen wird.

NLP – Natural Language Processing

In 2020 gab es viel Aufsehen über GPT-3, ein OpenAI trainiertes Sprachmodell, das eine Grenze durchbrochen hat. Bisher war es üblich, große Sprachmodelle auf riesigen Datenmengen zu trainieren und durch Transfer-Learning auf eine spezifische Aufgabenstellung hin anzupassen. Bei GPT-3 ist das anders. Es kann ohne spezifisches Feintuning Webseiten programmieren, Geschichten erfinden, diskutieren, übersetzen etc. Mit der massiven Größe des Modells (175 Milliarden Parameter ~ 700 GB) passt es auf keinen handelsüblichen Server. Allein die Unterhaltung der Computing-Infrastruktur ist extrem teuer und anspruchsvoll. Es wird spannend zu beobachten, wie es weitergehen wird mit Superlativen auf dem Weg zu künstlicher Intelligenz, die ihres Namens würdig ist.

Auf der anderen Seite werden immer mehr Sprachmodelle in der Praxis eingesetzt. Googles Suchmaschine verwendet das Modell BERT, um semantisch besser passende Ergebnisse anzuzeigen. Der Einsatz von Sprachmodellen in der Strategiearbeit ist sehr wertvoll, weil viele Inhalte über Text erhoben werden, wie z.B. Markt-Trends oder SWOT-Analysen. Texte aus dem gesamten Unternehmen können somit erfasst und über Text-Clustering bottom-up hochaggregiert werden. So lässt sich in der Strategieentwicklung einfacher der Überblick darüber behalten, welche Trends, Stimmungen und Meinungsbilder im Unternehmen vorherrschen.

‍KI-Ethik

Die Rolle des Menschen im ML-Prozess verschiebt sich zunehmend. Je mehr operative Aufgaben automatisiert werden, desto größer wird seine (gesellschaftliche) Verantwortung.

Beispiele aus der jüngsten Vergangenheit zeigen, wie wichtig es ist, sich die gesellschaftlichen Herausforderungen durch KI bewusst zu machen:

• Empfehlungsalgorithmen wie YouTube Autoplay und Facebooks Gruppen-Empfehlungen schaffen Filterblasen, die Menschen in Parallelwelten abdriften lassen, zur Radikalisierung beitragen und den gesellschaftlichen Zusammenhalt auf die Probe stellen

• Nicht alles, was legal ist, ist legitim: Während der Black-Lives-Matter-Proteste in den USA haben Tech-Unternehmen (u.a. Microsoft, Amazon, IBM) auf eigene Initiative ihre Gesichtserkennungsservices für Polizeireviere eingeschränkt, da es keine gesetzlichen Rahmenbedingungen für die Nutzung gibt.

• Selbstlernende Sprachmodelle bergen die Gefahr, rassistisch und sexistisch zu werden, wenn die zugrundeliegenden Daten nicht sorgfältig geprüft werden.

Mit dem Vordringen von künstlicher Intelligenz in immer mehr Lebensbereiche, werden die Themen Ethik, Algorithmische Fairness und Regulierung von KI immer dringender.

Erklärbare KI

Muss eine KI-Lösung ihre Entscheidung erklären und rechtfertigen?

Das hängt von der zu erwartenden Konsequenz der Entscheidung ab: Spiele ich gegen einen Schachcomputer, erwarte ich keine Erklärung zum Zug. Schlägt mir Whatsapp beim Tippen das nächste Wort vor, frage ich nicht nach dem Warum. Anders sieht es aus, wenn es um die Zukunftsfähigkeit eines Unternehmens oder die persönliche Gesundheit geht. Erkennt die KI des strategischen Management-Systems eine große Abweichung zwischen budgetierter und tatsächlich zu erwartender Unternehmensentwicklung, muss das nachvollziehbar sein.

Das Thema Erklärbarkeit stellt eine grundsätzliche Schwäche maschinellen Lernens dar und rückt – bedingt durch die bloße Zunahme eingesetzter KI-Tools – stärker ins Rampenlicht.

Neben diesen Trends wird KI zunehmend integraler Bestandteil von vielen Software-Produkten. Es entstehen spezialisierte Funktionen, die sich an den spezifischen Use-Cases der jeweiligen Produkte orientieren.

So auch bei Solyp 4.0 von Evolutionizer, das alle Aspekte des strategischen Managements im Unternehmen abdeckt. In diesem Zusammenhang werden KI-Funktionen genutzt, um in der Strategieentwicklung das Wissen vieler im Unternehmen zu integrieren und in der Strategieumsetzung frühzeitig Risiken zu erkennen.

Ihr Florian Dreher

‍